Claude Opus 4.6 und Sonnet 4.6 bieten jetzt einen 1-Millionen-Token-Kontext zum Standardpreis an.

Was jetzt verfügbar ist

Claude Opus 4.6 und Sonnet 4.6 bieten jetzt das vollständige 1-Millionen-Kontextfenster zum Standardpreis auf der Claude-Plattform. Der Standardpreis gilt für das gesamte Fenster – 5$/25$ pro Million Tokens für Opus 4.6 und 3$/15$ für Sonnet 4.6. Es gibt keinen Multiplikator: Eine 900K-Token-Anfrage wird mit dem gleichen Preis pro Token abgerechnet wie eine 9K-Anfrage.

Wichtige Änderungen mit der allgemeinen Verfügbarkeit

• Ein Preis für das gesamte Kontextfenster ohne Aufpreis für lange Kontexte
• Volle Ratenlimits bei jeder Kontextlänge – Ihre Standardkontokapazität gilt für das gesamte Fenster
• 6-mal mehr Medien pro Anfrage: bis zu 600 Bilder oder PDF-Seiten, statt bisher 100
• Ab sofort nativ auf der Claude-Plattform, Microsoft Azure Foundry und Google Clouds Vertex AI verfügbar
• Kein Beta-Header erforderlich – Anfragen über 200K Tokens funktionieren automatisch
• Wenn Sie bereits den Beta-Header senden, wird er ignoriert, sodass keine Codeänderungen nötig sind

Integration mit Claude Code

Das 1-Millionen-Kontextfenster ist jetzt in Claude Code für Max-, Team- und Enterprise-Nutzer mit Opus 4.6 enthalten. Opus 4.6-Sitzungen können das gesamte 1-Millionen-Kontextfenster automatisch nutzen, was weniger Komprimierungen und mehr erhaltene Konversation bedeutet.

Leistungsbenchmarks

Opus 4.6 erreicht 78,3 % auf MRCR v2, die höchste Punktzahl unter den Spitzenmodellen bei dieser Kontextlänge. Claude Opus 4.6 und Sonnet 4.6 behalten ihre Genauigkeit über das gesamte 1-Millionen-Fenster bei. Die Langkontext-Retrieval-Fähigkeit hat sich mit jeder Modellgeneration verbessert.

Praktische Auswirkungen für Entwickler

Das bedeutet, Sie können eine gesamte Codebasis, tausende Seiten von Verträgen oder den vollständigen Verlauf eines langlaufenden Agenten – Tool-Aufrufe, Beobachtungen, Zwischenüberlegungen – laden und direkt nutzen. Die technische Arbeit, verlustbehaftete Zusammenfassung und Kontextbereinigung, die Langkontext-Arbeiten bisher erforderten, sind nicht mehr nötig.

Laut Nutzerfeedback:

• Softwareentwickler berichten, dass sie suchen, erneut suchen, Randfälle aggregieren und Korrekturen vorschlagen können, ohne den Kontext zu verlieren
• Teams verzeichneten einen Rückgang von 15 % bei Komprimierungsereignissen, wobei Agenten Kontext über Stunden halten können, ohne anfängliche Inhalte zu vergessen
• Agentensysteme können jetzt vollständige Diffs ohne Aufteilung verarbeiten, was zu höherwertigen Reviews durch einfachere, token-effizientere Harnesses führt
• Wissenschaftliche Forschungssysteme können hunderte Papiere, Beweise und Codebasen in einem Durchgang synthetisieren